実験室のQCの中心があるように機械テストを確認する分析的な米の食糧

製品の説明

それが食品加工植物、政府の穀物の保管倉庫および穀物の質の点検中心の米の質を検出するのに使用することができる。装置は最も最近のAIの視野の検出の技術を使用し、3台の高解像のカメラが米の前部および裏側の属性を分析するために装備されている。前部および背部の米は一つずつ登録され、それぞれの属性と完全な米の属性を総合するために結合される;深いニューラル・ネットワークが容易に区分するのに米の付着の状態の取り引きに例のレベルで付けられた米を使用されている;同時に、雲のプラットホームは開き、顧客によってカスタマイズされる分類の標準に合うために異なった顧客のサンプルは遠隔に訓練することができる。

点検主義

手動見本抽出に、点検、録音および統計量に低速、低い正確さ、高い逃され、偽陽性率および長期疲労のような不利な点がある。この機械は手動仕事を取り替えることができたり7*24時間を働かせ、高精度の米の質を検出し、時間の米の砕け米、chalky米、不完全な米および湿気を検出できべと病、みみず、不純物および他の問題があるかどうか見つける。それは米の生産の前後に毎日の抜き取り検査に使用することができる。

米の質の探知器は場所の顧客の特定の生産の必要性に従って上下流の生産設備に接続することができる。装置と接触する部分およびサンプルは医学等級材料から成っている。それは理性的な設計、簡単な操作および便利な維持と安全、衛生学、である。

試験制度の表示:

主要な技術

米を分析するために従来のマシン ビジョン方法および人工知能のアルゴリズムを結合しなさい。最初に、ビデオ フレームの米の穀物を区分するのに従来の視野方法を使用し次に区分された米の穀物の属性を昆虫、ガ、発生、べと病および他の問題があるかどうか定めるために識別するのに人工知能のアルゴリズムを使用しなさい。同時に、2台の高解像のカメラが米の前部を撮影するのに使用され、双方の特性は分析された。登録アルゴリズムによって、米の前部は一つずつ登録され、完全な米の穀物の属性を得るためにそれぞれの属性は結合される。

1. 自動binarization:イメージの前景そして背景を区分するのに深いニューラル・ネットワークを使用しなさい。従来のbinarization方法と比較されて、それはいろいろ光条件に適用することができ米の端の細分化はより滑らかで、速く強く高い利点である。

2. 付着力の米の細分化のアルゴリズム:接続された範囲に基づく方法は付着させた米を区分できない。深いニューラル・ネットワークが1000fpsの速度に達し、リアルタイムの付着させた米を処理できる例のレベルで付着させた米を区分するのに使用されている。

3. 米の属性の認識のアルゴリズム:軽量のニューラル・ネットワークを採用し、半指示された学習方法を統合する。モデルはわずかデータに印を付けることによってだけ繰り返してことができる最大限に活用する。それに高精度な、最高速度および便利な配置の利点がある。